%0 Journal Article
%T 边界偏转覆盖增量支持向量机
%A 张立
%A 孟相如
%A 马志强
%A 周华
%J 北京邮电大学学报
%P 30-34
%D 2010
%R 10.13190/jbupt.201004.30.zhangl
%X 为了利用不断积累的网络样本提高故障诊断效能，针对标准支持向量机不直接支持增量学习的问题，提出一种边界偏转覆盖增量支持向量机.根据违背KarushKuhnTucker条件的新增样本在特征空间中可引起原分类边界改变的情况，设计边界偏转覆盖算法预选支持向量再生区作为增量训练工作集，解决了难以确定的非支持向量向支持向量的转化问题.理论分析和实验结果表明，该方法能有效简化训练工作集，在保证故障诊断精度的同时大幅度提高增量训练效率.
%K 故障诊断
%K 支持向量机
%K 增量学习
%K 模型更新
%U http://www.buptjournal.cn/CN/abstract/abstract908.shtml